一种融合多方向变异性的改进克里金插值算法

发布时间：2021-06-21 22:27

　　在室内位置指纹定位技术中,采用克里金插值算法可有效降低指纹数据库构建的工作量。但是,现有算法通常只考虑了信号在一维方向上的变异性,没有考虑室内环境中信号在多个方向存在的变异性。为此,本文提出了一种融合了多个方向信号变异性的改进克里金插值算法,充分考虑了二维室内环境中信号在不同方向的变异性对插值精度的影响。实验结果表明,与克里金插值算法、距离反比加权插值算法等算法相比,本文算法对指纹数据的插值精度更高。 

【文章来源】：传感技术学报. 2020,33(07)北大核心CSCD

【文章页数】：6 页

【部分图文】：

实验场景1示意图

式中:z i j 表示第i个参考点处接收到的第j个AP的RSSI值;Zt表示发射信号功率;L0表示距离AP相对较短距离的路径损耗;β为路径损耗因子,表示路径损耗随距离增加而增大的快慢,与周围的环境有关;xj表示第j个参考点位置,‖xi-xj‖表示第i个参考点与第j个AP之间的位置距离;xδ为随机噪声。利用式(18)的室内模型,参照文献[10],产生一个含5个AP的150 m×150 m的大型模拟室内环境。以5 m为间隔距离,将该区域划分为30×30的网格,并以每个网格的中心点位置作为采样点位置,生成一个包含有900条指纹数据的指纹数据库。其中,各个采样点处的指纹数据均由每个AP的1 000次RSSI测量值求平均得到。具体地,模拟产生的实验环境如图2所示。3.2 插值效果分析

通过图3和图4的对比结果表明,在不同已知指纹百分比p值的情况下,本文算法的实际插值误差均小于克里金插值算法和距离反比加权插值算法,证明了本文算法对于插值精度提升的有效性。同时,对比图3环境1下的采样间距值等于0.5 m和图4环境2下的采样点间距等于5 m可知:由于距离反比加权插值算法仅考虑了空间中点与点之间的位置距离关系,而忽略了点之间的空间变异性,所以在采样点间距增大的情况下,由图3中的(b)和图4中的(b)可明显看出,距离反比加权插值算法与克里金插值算法的估计效果差距拉大。图4 实验环境2对应的插值效果展示

【参考文献】：
期刊论文
[1]基于距离测量和位置指纹的室内定位方法研究[J]. 李方敏,张韬,刘凯,刘果,马小林.  计算机学报. 2019(02)
[2]基于改进克里金插值的室内定位位置指纹库构建方法[J]. 刘辉元,马金辉,黄琼.  重庆邮电大学学报(自然科学版). 2017(06)
[3]基于曲面拟合的WiFi指纹数据库更新[J]. 田增山,代海鹏.  计算机应用. 2016(05)
[4]室内定位方法综述[J]. 席瑞,李玉军,侯孟书.  计算机科学. 2016(04)
[5]基于克里金空间插值的位置指纹数据库建立算法[J]. 刘志建,关维国,华海亮,孙泽鸿.  计算机应用研究. 2016(10)
[6]基于空间变异理论的电子地图构建方法[J]. 李方,王铁成,佟为明.  哈尔滨工程大学学报. 2012(06)
[7]基于线性插值和动态指纹补偿的分布式定位算法[J]. 郭红成,罗海勇,尹浩,韩霜.  传感技术学报. 2009(12)



本文编号：3241536